基于贝叶斯网络和共因失效的飞机电源系统可靠性分析

飞机电源系统中的冗余设计提升了飞机系统的可靠性，但同时也增加了共因失效发生的概率。为了准确分析飞机电源系统的可靠性，首先，采取α因子模型对共因失效部件的失效率进行分解计算，并利用贝叶斯网络（BN）建立考虑共因失效的飞机电源系统可靠性模型。然后，对比分析考虑与不考虑冗余部件之间的共因失效因素时飞机电源系统及其子系统的可靠性。结果表明，考虑冗余部件之间的共因失效因素时，得到的飞机电源系统及其子系统可靠度相对于不考虑冗余部件之间的共因失效因素时较低，更加吻合实际情况。     

Naive Bayes邮件过滤模型的特征词选取方法研究

将文本分类中的各种特征词选取方法引入到Naive Bayes邮件过滤模型(NBF)中,包括文档频度、信息增益、互信息、期望交叉熵、文本证据权、几率比及x2统计量.分析比较了这些方法的特点.实验结果显示在NBF中采用x2统计量选取邮件特征词有最好的效果.     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

基于贝叶斯网络分析空间态势

战场态势分析是指挥决策的基础,作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性的决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用叶斯网可以找出态势假设和事件之间的潜在关系,切合了态势评估所需完成的功能。     

基于贝叶斯网络的民航安全分析研究

安全在民用航空领域占有举足轻重的地位,直接影响民航企业的生存和发展。科学合理的安全分析便于及时发现民航领域存在的安全问题,预防航空事故诱发因素的萌生,提高民航安全管理的科学性和可操作性。根据民航安全的特点,建立了基于故障树的多态贝叶斯网络系统安全分析模型,综合运用诊断推理和因果推理形式,实现了定性与定量相结合的民航安全分析,通过航空灾难的实例验证了方法的有效性。在此基础上,提出采用区间型贝叶斯网络进行民航安全分析,克服了其他方法只能分析计算单点概率值的局限性,比传统的安全评估更客观,更有说服力。     

基于联合隐马尔科夫模型的SAR图像去噪方法

提出一种联合隐马尔科夫模型的SAR图像去噪方法。基于贝叶斯准则估计隐马尔科夫树状模型的参数集合,得到各小波系数的期望值和收缩系数;引入二阶马尔科夫随机场模型去除小波系数尺度内的相关性,根据每个小波系数邻域内所有小波系数的隐状态和收缩系数,计算得到新的收缩系数,并对各小波子带的小波系数进行收缩,从而有效复原无噪声图像。实验表明,方法具有很强的噪声抑制能力,相对隐马尔科夫模型大幅提高了等效视数,且较好地保持了边缘。     

基于动态贝叶斯网络的防空作战态势分析

针对战场目标战术意图变化的复杂性,尤其是战场信息的不确定性,根据态势事件与态势假设之间的潜在关系,利用动态贝叶斯网络建立态势评估的功能模型,并用实例验证方法有效性。仿真表明：功能模型能将各种特征因素进行综合,使不同时间片的特征因素相互修改,并准确地跟踪战场态势的变化,所得结果为指挥员情报决策提供了支持。     

基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

基于主成分分析的贝叶斯网络在个人信用评估中的应用

针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。     

小样本下煤油加注温升模型参数估计方法

为消除火箭煤油加注实测温度与现行加注温升模型计算理论温度之间的偏差,准确估计煤油加注温升实现精确加注、精准控制,在靶场实测数据仅为小样本数据的现实条件下,采用贝叶斯回归方法,将经验参数作为先验信息给出待估参数的先验分布,由实测数据计算贝叶斯风险,通过最小化风险函数实现对煤油加注温升模型的参数优化估计。数值实验结果表明,与给定的经验参数和经典最小二乘估计参数相比,贝叶斯估计参数估算的加注结束温度与实测温度误差显著减小,且随着可用的数据样本容量相应增大,贝叶斯回归分析的参数估计精度呈现收敛趋势。贝叶斯方法进行煤油加注温升模型参数估计有效提高了加注温升模型精度,为提高推进剂加注精确度提供了方法基础。